Detectar patrones alcistas mediante modelos predictivos. La idea inicial es armar un modelo de clasificación binaria con entrenamiento supervisado.
Partimos de una tabla con 6 columnas: fecha, open, high, low, close, volume. Para hacer una prueba inicial, conectamos google sheets a google finance, copiar/pegar a un .csv (sheets no permite exportar datos de google finance).
## Date Open High Low Close Volume
## 1 2009-01-02 16:00:00 37.72 40.06 37.50 39.51 9966400
## 2 2009-01-05 16:00:00 39.38 40.85 38.05 39.48 10909178
## 3 2009-01-06 16:00:00 41.03 41.47 38.36 40.14 11546491
## 4 2009-01-07 16:00:00 39.06 39.22 36.86 37.21 7676605
## 5 2009-01-08 16:00:00 36.98 38.47 36.13 38.34 6595356
## 6 2009-01-09 16:00:00 38.64 38.99 36.51 36.70 6376795
N = 2638
Antes de entrenar el modelo vamos a etiquetar los datos históricos indicando cuándo hubo setup y cuándo no.
Target_i = N/A para todo i < H || i > (N-F). Target_i = (H_i+k >= C_i . T para algún k, 0 < k <= F ) && (L_i+j > C_i . L para todo 0 < j <= k).
En palabras: hay setup (target = TRUE) si dentro de las próximas F barras el máximo supera el profit target antes de que el mínimo supere el stop loss.